光流法四十年演进：从Horn-Schunck到RAFT的稠密匹配密度革命

Chapter 1 绪论：光流法的时空坐标系

1.1 从人类视觉到机器感知

当我们凝视一幅动态场景时，视网膜上不断刷新的并非离散的像素点，而是连续的光强流动场。这种生物视觉系统与生俱来的运动感知能力，在计算机视觉领域被抽象为"光流"（Optical Flow）——一个描述图像平面内像素级运动速度与方向的密集向量场。早在1981年，Horn与Schunck在《Determining Optical Flow》一文中便奠定了这一领域的数学基石[1]，其提出的平滑性约束与亮度恒定假设，至今仍在各类变分模型中回响。然而，从理论构想到工程落地，光流法经历了长达四十年的迭代演进，每一次技术跃迁都伴随着计算范式、优化目标与应用场景的根本性变革。

光流估计的本质是求解一个病态不适定问题（ill-posed problem）。单帧图像的二维投影丢失了深度信息，而运动物体的遮挡、光照突变与相机噪声进一步加剧了问题的复杂度。早期研究者试图通过施加物理合理的正则化约束来驯服这一病态性，而深度学习时代的来临则将数据驱动思想注入其中，使得模型从"手工设计"转向"自动学习"。2020年，RAFT（Recurrent All-Pairs Field Transforms）的提出标志着光流估计进入了一个新纪元——它摒弃了传统金字塔由粗到精的单向传播，转而采用循环神经网络在固定分辨率下进行迭代精修，将稠密匹配的密度与精度推向了前所未有的高度[2]。这一范式转变不仅刷新了KITTI与Sintel等权威榜单，更重要的是为实时视频稳定、自动驾驶、动作识别等下游任务提供了可部署的高性能解决方案。

1.2 光流法的数学本质

在数学层面，光流估计可形式化为能量最小化问题。设图像序列为I(x,y,t) ，像素在时间t 的位移为